대규모 언어 모델(LLM)
글을 다루는 AI예요. 글을 읽고 글로 답하는 것 하나에 특화돼 있어요. 그림 만드는 AI와는 배운 것도 만드는 방식도 아예 다른 물건이에요.
쉽게 말하면
가게에 손이 다른 두 사람이 있다고 생각해 보세요. 한 명은 계산대에서 손님 말을 알아듣고 안내문을 써 붙이는 직원이에요. 다른 한 명은 간판과 전단지 그림을 그리는 사람이고요. 둘 다 가게 일을 하지만 손이 아예 달라요. 안내문을 잘 쓰는 직원에게 간판 그림을 맡길 수는 없죠. AI도 똑같이 갈려 있어요. 글을 다루는 쪽이 대규모 언어 모델(LLM)이고, 그림 쪽은 완전히 다른 물건이에요.
이름 세 토막을 그대로 풀면 뜻이 다 나와요. 대규모는 읽힌 글의 양이 엄청나다는 말이고, 언어는 다루는 것이 글이라는 말이고, 모델은 다 배우고 굳은 결과 덩어리라는 말이에요. 그러니까 이름 자체가 "글을 아주 많이 읽고 굳은 덩어리"예요.
이렇게 알고 있으면 그림이 이상하게 나올 때 글 잘 쓰는 요령으로 고치려 들게 돼요. 아무리 문장을 다듬어도 안 고쳐져요.
한 화면 안에서 여러 담당을 번갈아 불러 주는 것뿐이에요. 어느 담당이 일하는 중인지 알면 고칠 곳도 바로 보여요.
AI는 담당이 나뉘어 있어요
사장님이 AI 서비스 한 곳에서 글도 받고 그림도 받는다고 해서, 그게 한 물건인 건 아니에요. 안쪽에서는 주문 내용에 따라 다른 담당에게 넘기고 있어요. 아래가 그 담당표예요.
| 담당 | 무엇을 받고 무엇을 내놓나 | 가게에서 시키는 일 |
|---|---|---|
| 글 담당(LLM) | 글을 받아서 글을 내놔요. 이 문서가 다루는 그 물건이에요 | 상품 설명 쓰기, 손님 문의 답장 초안, 후기 요약, 코드 만들기 |
| 그림 담당 | 글로 된 주문을 받아서 그림 파일을 내놔요 | 메뉴판 사진, 배너, 로고 시안. AI로 사진 만들기 참고 |
| 소리 담당 | 글을 받아서 말소리나 음악을 내놔요 | 안내 음성, 영상 내레이션 |
| 영상 담당 | 글이나 사진을 받아서 짧은 영상을 내놔요 | 짧은 홍보 영상, 상품 움직임 보여주기 |
| 받아 읽는 능력 | 요즘 글 담당은 사진을 같이 받아 읽기도 해요. 다만 읽는 것과 그리는 것은 달라요 | 사진을 올려 "이 영수증 항목 정리해 줘"라고 시키는 일 |
읽는 것과 그리는 것은 다른 능력이에요
글 담당 중에는 사진을 알아보는 것까지 하는 모델이 있어요. 그렇다고 그 모델이 그림을 그려 주는 건 아니에요. 손님 얼굴을 알아보는 직원과 손님 얼굴을 그려 주는 화가가 다른 것과 같아요. 이렇게 여러 종류를 한 번에 받는 모델 이야기는 멀티모달에서 따로 다뤄요.
글 담당이 잘하는 일과 못하는 일
글 담당에게 무엇을 맡길지는 한 가지 질문으로 갈려요. "이 일의 결과물이 글인가?" 결과물이 글이면 대체로 잘하고, 결과물이 숫자의 정확함이나 오늘의 사실이면 약해요.
| 시키는 일 | 결과 | 왜 그런가 |
|---|---|---|
| 상품 설명 다섯 가지 문체로 써 줘 | 잘해요 | 결과물이 글이고, 정답이 하나가 아니라 그럴듯하면 되는 일이에요 |
| 손님 후기 200개를 세 줄로 요약해 줘 | 잘해요 | 긴 글을 짧은 글로 옮기는 일이라 글 담당의 본업이에요 |
| 영어 문의를 한국어로 옮겨 줘 | 잘해요 | 말에서 말로 옮기는 일이에요. 다만 계약서처럼 책임이 걸린 글은 사람이 다시 봐야 해요 |
| 이번 달 매출 합계를 계산해 줘 | 위험해요 | 글을 고르는 구조라 셈은 본업이 아니에요. 숫자는 계산기나 표로 따로 확인하세요 |
| 오늘 환율이 얼마야 | 위험해요 | 다 배우고 굳은 뒤의 일은 몰라요. 오늘 값은 사람이 넣어 줘야 해요 |
| 우리 가게 환불 규정 알려 줘 | 위험해요 | 우리 가게 사정을 배운 적이 없어요. 없으면 그럴듯하게 지어내요. 지어내기 참고 |
장면 1 · 배너 문구는 좋은데 그림이 계속 이상하다
“문구는 한 번에 마음에 들게 나왔어요. 그런데 같은 창에서 배너 그림을 시키니 글자가 다 깨져서 나와요.”
두 가지를 서로 다른 담당이 만든 거예요. 문구는 글 담당이 만들었고 그림은 그림 담당이 만들었어요. 그림 담당은 글자를 뜻으로 이해하는 게 아니라 모양으로 그려서, 글자가 자주 깨져요. 그래서 실무에서는 글자 없는 배경만 AI로 만들고 문구는 그 위에 따로 얹는 방식을 많이 써요. 문장을 아무리 다듬어도 이 문제는 잘 안 사라져요.
만드는 방식부터 달라요
글 담당과 그림 담당은 결과물만 다른 게 아니라 만들어 내는 방식 자체가 달라요. 이걸 알면 주문하는 법이 왜 다른지 납득이 돼요.
- 1글 담당은 앞에서 뒤로 한 조각씩 이어 붙여요. 앞에 쓴 말을 보고 다음 말을 고르고, 또 고르고를 반복해요. 그래서 답이 타자 치듯 흘러나오고, 앞부분이 어긋나면 뒤가 통째로 어긋나요.
- 2그림 담당은 흐릿한 상태에서 시작해 조금씩 선명하게 만들어요. 처음부터 왼쪽 위 구석을 그리고 오른쪽으로 가는 게 아니에요. 그림 전체가 동시에 또렷해져요.
- 3그래서 주문하는 법이 달라요. 글에는 조건과 맥락을 문장으로 길게 설명하는 게 통해요. 그림에는 원하는 장면을 짧은 단어로 나열하는 쪽이 잘 통해요. 자세한 요령은 원하는 그림을 얻는 말에 있어요.
- 4고치는 법도 달라요. 글은 "세 번째 문단만 더 짧게"처럼 부분을 짚어 고칠 수 있어요. 그림은 부분만 짚기가 어려워서 같은 주문을 여러 장 뽑아 고르는 방식이 현실적이에요.
요금이 붙는 단위도 달라요
글 담당은 주고받은 글을 조각 단위로 세서 요금을 매겨요. 그 조각이 토큰이에요. 그림 담당은 보통 한 장에 얼마로 계산해요. 그래서 같은 예산이라도 어느 담당을 많이 쓰느냐에 따라 씀씀이가 완전히 달라져요. 요금 구조는 AI 요금이 나가는 원리에서 다뤄요.
자주 묻는 것
- Q. LLM하고 AI 모델은 다른 말인가요?
- 모델이 큰 말이고 LLM은 그 안의 한 종류예요. 자동차가 큰 말이고 트럭이 그 안의 한 종류인 것과 같아요. 모델이 무엇인지부터 보려면 AI 모델이란을 먼저 읽으세요.
- Q. 제가 쓰는 챗봇 화면이 LLM인가요?
- 그 화면은 서비스고, 안에서 도는 것이 모델이에요. 같은 모델을 쓰더라도 서비스마다 화면과 규칙이 달라서 답이 다르게 느껴져요. 그래서 "어느 서비스"와 "어느 모델"은 따로 물어야 해요.
- Q. 글을 잘 쓰면 코드도 잘 만드나요?
- 네, 그래서 말로 만들기가 가능해요. 코드도 글자로 된 규칙이라 글 담당의 일감이에요. 다만 잘 도는지는 실제로 실행해 봐야 알아요. 잘 읽히는 코드와 잘 도는 코드는 다른 문제예요.
- Q. 한글로 쓰면 손해인가요?
- 요금 면에서는 조금 불리한 게 사실이에요. 같은 뜻이라도 한글이 조각 수가 더 많이 나오는 경우가 흔해요. 품질 때문에 영어로 바꿔 쓸 필요는 없고, 아주 긴 자료를 반복해서 넣을 때만 신경 쓰면 돼요.
- Q. 긴 자료를 통째로 넣어도 되나요?
- 한 번에 다룰 수 있는 분량에 상한이 있어요. 넘으면 앞부분을 놓쳐요. 얼마나 들어가는지와 언제 새 대화를 시작할지는 한 번에 기억하는 양을 보세요.
- Q. 우리 가게 자료를 넣으면 그걸 배우나요?
- 배우지 않아요. 그 대화 안에서만 참고하고 끝나요. 매번 다시 넣기 번거로우면 자료를 따로 모아 두고 물어볼 때마다 함께 건네는 방식을 써요. 그 방식이 내 자료를 AI에게 읽히기예요.
확인해 보세요
AI로 만든 배너 그림 안의 글자가 자꾸 깨져서 나와요. 가장 현실적인 대처는?
하나 더
다음 중 글 담당에게 맡기기 가장 위험한 일은?
직접 해보기
같은 주문을 글과 그림으로 각각 시켜 보세요
스튜디오 채팅에 "우리 가게 여름 음료 홍보 문구 세 개"처럼 글로 받을 일을 하나 넣어 보세요. 그다음 같은 주제로 그림을 한 장 시켜 보고요. 주문하는 말투와 결과의 성격이 완전히 다르다는 걸 한 번 눈으로 보면, 앞으로 어느 담당에게 무엇을 맡길지 감이 잡혀요.
스튜디오 열기더 깊이 (안 읽어도 괜찮아요)
왜 하필 글에서 이렇게 큰 도약이 났나 · 글은 세상에 이미 어마어마하게 쌓여 있고, 다음 말을 맞히는 연습은 사람이 정답표를 만들어 주지 않아도 돼요. 문장 뒷부분을 가리기만 하면 정답이 그 자리에 있으니까요. 덕분에 사람 손을 거의 안 거치고 훈련량을 계속 키울 수 있었어요. 그림과 소리도 같은 흐름을 타고 있지만, 출발이 글이었던 이유는 재료가 가장 많고 채점이 가장 쉬웠기 때문이에요.
문장이 앞에서 뒤로 나온다는 사실이 만드는 습관 · 글 담당은 앞에 쓴 말을 보고 다음 말을 골라요. 그래서 첫 문단이 어긋나면 그 뒤가 통째로 어긋나요. 결과가 마음에 안 들 때 끝까지 읽고 전체를 다시 시키는 것보다, 어긋나기 시작한 지점을 짚어서 그 앞부분을 고쳐 주는 편이 빠르고 싸요. 긴 답을 받을 때 처음 몇 줄을 먼저 보는 습관이 실제로 시간을 줄여 줘요.
"우리 데이터로 학습시켜 드립니다"라는 제안을 받으면 · 글 담당의 성질을 알면 이 제안을 판단할 수 있어요. 모델을 다시 학습시키는 일은 비용과 시간이 크게 들고, 자료가 바뀔 때마다 다시 해야 해요. 반면 물어볼 때 자료를 함께 건네는 방식은 자료를 고치면 바로 반영돼요. 그래서 가게 자료처럼 자주 바뀌는 것은 학습보다 함께 건네는 쪽이 대개 맞아요. 견적을 받으면 "자료가 바뀌면 어떻게 되나요"를 먼저 물어보세요.
모델이 답을 거절하거나 말을 흐릴 때 · 글 담당은 위험한 요청을 거절하도록 다듬어져 있어요. 그래서 멀쩡한 업무 요청이 표현 때문에 거절당하는 일이 생겨요. 같은 일을 다른 말로 풀어 쓰면 통과되는 경우가 많아요. 반대로 아무리 바꿔 말해도 안 되는 일은 정말 막아 둔 일이에요. 이 둘을 구분하는 요령은 AI가 거절할 때에서 다뤄요.
이것만 기억하세요
- ·LLM은 글을 다루는 담당이에요. 글을 받아 글을 내놓는 일에 특화돼 있어요
- ·그림과 소리는 다른 담당이 만들어요. 한 화면에서 번갈아 부르는 것뿐이에요
- ·결과물이 글인 일은 잘하고, 정확한 셈과 오늘의 사실은 약해요
- ·그림이 이상할 때 문장을 다듬는 건 헛수고예요. 담당이 다르니까요
- ·우리 가게 사정은 배운 적이 없어요. 물어볼 때 자료를 같이 건네세요